一种基于设备维护数据的设备故障模式及规律分析方法与流程

本发明涉及设备故障分析技术领域，尤其涉及一种基于设备维护数据的设备故障模式及规律分析方法。

背景技术：

传统的设备故障分析和检维修方案更多基于专家经验和设备厂商所提供的信息，其过程更多的是定性判断与经验总结，依据以上准则进行的设备故障分析，其准确率与可信度都相对较低。

而计算故障模式对应的平均故障间隔时间(mtbf)所用的方法主要依据国际计算标准，通过简化设备拓扑关系，然后综合系统每部分设备的运行情况计算系统总的平均故障间隔时间(mtbf)。这种方式由于缺少对故障模式的管理，结果相对粗糙。遇到故障后，运维人员在实际的操作过程中往往只能通过系统的排查之后才能确定故障类型，再组织进行相应的维修，极大地影响了设备维护的效率，进而影响工厂的效益。

除此以外，当前关于设备可靠性及维护策略的优化方法中缺少对于故障模式的细分。目前只是计算出系统总的可用性，如果不对故障模式进行更加精细的分类，将无法得知各故障模式下的设备平均故障间隔时间，从而无法对设备故障做出合理的预测性维修。缺少对于故障模式的管理会对整个装置设备的管理产生影响，导致运维人员无法直观了解该设备的运行与寿命信息，最终影响决策效率。

技术实现要素：

为了解决上述技术问题，本发明提出一种基于设备维护数据的设备故障模式及规律分析方法。

为了达到上述目的，本发明的技术方案如下：

一种基于设备维护数据的设备故障模式及规律分析方法，包括以下步骤：

1)采集企业自身的历史维修数据并对所述历史维修数据进行清洗，对清洗后的所述历史维修数据进行设备级别的整合，通过回归算法对整合后的数据进行回归，获取单个设备的故障规律；

2)根据步骤1)中清洗、整合后的所述历史维修数据中提取所有的故障模式，通过定量回归针对单个设备的各个故障模式的故障规律进行回归分析，获得单个设备在不同故障模式下的特征参数。

优选地，所述步骤1)中实时引入国际和同行业的经验数据加入企业自身的历史维修数据中，进行分析、整合。

优选地，所述步骤1)中所述历史维修数据来源包含：备件出库记录、设备信息、运维人员所填的工单和通知单、维修工程师填写的维修单。

优选地，所述故障模式包括泄漏、过热、噪声、振动和不能启动。

优选地，所述特征参数包括工艺参数、经济参数、可靠性参数、维修参数和资源参数。

基于上述技术方案，本发明的有益效果是：

第一.引入工厂积累的历史维护数据，通过对大量历史数据的分析挖掘，得到回归计算所必需的各种信息，加上专家经验的约束，通过威布尔回归模型得到设备级别的故障失效时间的威布尔分布规律，使得回归结果更加科学，信息更加完备同时具备了更高的可信度；

第二.不同于单纯的应用故障分布函数回归的方法建模与算法预测设备的故障及其原因，本发明是在故障回归建模的基础上增加了对不同故障模式的细分，其结果会根据不同的故障模式获得不同的特征参数。相比较传统的设备故障分析和检维修方案的结果具有质的提升，能够更加准确和精细的反应不同设备不同故障模式下失效时间的威布尔分布规律，通过定量回归的方法将代替原有的人工判断的检维修方案制定，将原来仅凭经验的维修管理转变为基于数据的定量分析和管理，同时,在增加计算精准性的同时减少计算的复杂度。当设备进行更换时，无需要重新建立整个设备内部的拓扑关系。

附图说明

图1：本发明一种基于设备维护数据的设备故障模式及规律分析方法的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。

实施例一

如图1所示，本发明一种基于设备维护数据的设备故障模式及规律分析方法，包括如下步骤：进行企业自身的历史维修数据收集，其数据来源包含：备件出库记录、设备信息、运维人员所填的工单和通知单、维修工程师填写的维修单等。

以工单号为主键，进行多表信息关联。关联后得到新的表格，表格内容包括：设备编号，装置标号、维修起始结束时间、故障类型、故障原因等相关数据。

对整合后的历史维修数据进行数据的清洗工作，结合从网上实时获取的国际和同行业的专家经验数据，将接收到的专家经验数据实时补充至历史维修数据中，确认历史维修数据的相关设备编号是否发生过变更。如果发生过变更，需要根据变更记录对设备编号进行匹配更新，最后根据不同需要对数据进行整合。

在整合后的基础之上分别进行以设备为单位的故障模式提取，进行以故障模式为单位的故障发生时间进行提取。以不同的目标值为单位生成维修数据库。完成数据处理的过程。

在形成的维修数据库之上，进行目标导向的数据聚合分析，针对不同设备的各种故障模式通过培慕威布尔回归引擎进行回归分析，最终得到不同设备在各种故障模式下的不同的特征参数。最终指导工厂制定相应的检维修策略，指导工厂进行相应预防性的规划措施。

上述故障模式是指缺陷发生时的外在表现状态，体现人员对缺陷的感官认知，以设备运行为基础。故障模式包括泄漏、过热、噪声、振动、不能启动等。

上述特征参数包括：工艺参数、经济参数、可靠性参数、维修参数和资源参数，其中,

工艺参数包括：最小吞吐量百分比、系统启动数据、系统关闭数据、启动时长、负载增加选项、停机时长、负载降低选项、系统进料和系统出料；

经济参数包括：操作成本、停机时间违约成本、产品价格、贷款偿还期、成本花费利率、启动费用和停机费用；

可靠性参数包括：故障分布模型和故障率，其中，故障分布模型包括：指数分布、正态分布、对数正态分布和威布尔分布；

维修参数包括：修正性维修参数、预防性维修参数、实时监测参数、基于大数据预警参数、检查参数和预知性维修参数，其中，修正性维修参数包括：基本参数、维修任务包、修复模型和费用；预防性维修包括：基本参数、维修时长、修复模型和费用；实时监测参数包括：基本参数、后续任务、修复模型和费用；大数据预警参数包括：基本参数、预警参数、后续任务、修复模型和费用；检查参数包括：基本参数、检查时长、故障探测、故障任务包、修复模型和费用；预知性维修参数包括：基本参数、维修任务包、修复模型和费用；

资源参数包括：人力资源和备件资源。

以上所述仅为本发明所公开的一种基于设备维护数据的设备故障模式及规律分析方法的优选实施方式，并非用于限定本说明书实施例的保护范围。凡在本说明书实施例的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本说明书实施例的保护范围之内。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本说明书实施例中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。